Proximal Policy Optimization Algorithms

Contesto

Schulman e colleghi propongono un algoritmo di policy gradient che alterna il campionamento dei dati e l'ottimizzazione di una funzione obiettivo con un vincolo di aggiornamento limitato, senza una regione di fiducia esplicita; riportano prestazioni paragonabili o migliori dei metodi precedenti su compiti di controllo.